大規模言語モデル（LLM）は基本的な文章支援において高い能力を発揮していますが、創作支援の領域では根本的な課題に直面しています。研究論文によると、この課題は「安全だが表面的な編集に留まる修正的な推敲」と「破壊的で制御不能なプロット拡張」という二項対立の振動として現れるといいます。つまり、物語の忠実性と描写の豊かさの間に相反するトレードオフが存在しているのです。 この問題を解決するために、研究者たちは「Loom」という新しい創作支援フレームワークを提案しました。Loomは物語学における「ストーリー（出来事の系列）」と「ディスコース（その叙述方法）」という概念的区別に基づいて設計されています。3段階のパイプライン構造を採用し、意図中心の記号論的思考の連鎖（chain-of-thought）を通じて、物語的意図と叙述密度に対する正確な制御を実現します。 Loomの最大の特徴は、知覚的素材の生成と構文挿入を分離することで、元の出来事構造を損なわずに自然な拡張を可能にする点です。この仕組みにより、創作者の本来の意図を保持しながら、より豊かで生き生きとした描写を追加できます。 包括的な評価結果として、LLMベースのメトリクスと人間による評価の両方を組み合わせた検証により、Loomは従来手法との比較で最高の総合品質スコアを達成しました。特に事実的な完全性と描写の豊かさの両面で大幅な改善が確認されており、創作支援ツールとしての実用性が示唆されています。